Destilação de IA: o que é e por que gera briga entre empresas

Destilação de IA é a técnica de treinar um modelo pequeno com as respostas de um modelo grande, para que o pequeno aprenda a se comportar de forma parecida. O grande faz o papel de professor e o pequeno, de aluno. O resultado é uma IA mais rápida e barata de rodar, que perde parte da qualidade, mas não toda.

O termo apareceu nas notícias de 2026 por dois motivos: é assim que muitas empresas criam versões leves dos seus modelos, e é também do que algumas acusam as concorrentes, de usar as respostas delas para treinar rivais. Este guia explica a ideia sem fórmula, mostra exemplos reais e diz o que isso muda para quem só usa IA no dia a dia. Fontes conferidas em 03/11/2026.

A ideia do professor e do aluno

Pense em um cozinheiro experiente ensinando um aprendiz. O aprendiz não precisa repetir os 20 anos de tentativa e erro do mestre: ele observa o resultado de cada prato e aprende a reproduzir o que importa. Na IA é parecido. O modelo grande já foi treinado com uma montanha de dados e muito poder de computação. O aluno, menor, aprende a imitar as saídas dele.

O detalhe que faz a técnica funcionar é que o professor não entrega só a resposta certa, entrega também o quanto achou provável cada alternativa. Se a pergunta é "que fruta é amarela e comprida?", o professor pode dar 90% para banana, 5% para milho e quase nada para tomate. Essa "dúvida" ensina ao aluno quais respostas são parecidas entre si. Para entender o treino comum, que vem antes disso, vale ler como uma IA aprende.

De onde veio a destilação

A técnica ganhou nome no artigo Distilling the Knowledge in a Neural Network, publicado em 2015 por Geoffrey Hinton, Oriol Vinyals e Jeff Dean. O problema que eles atacavam era prático: juntar vários modelos dá resultados melhores, mas rodar todos ao mesmo tempo custa caro demais. A proposta foi comprimir o conhecimento do conjunto em um único modelo, e os autores relataram ganho em um modelo acústico usado comercialmente.

Onze anos depois, a lógica é a mesma, só que com modelos de linguagem. Em vez de reconhecer sons, o aluno aprende a escrever, resumir e raciocinar como o professor. Se você quer o vocabulário básico antes de seguir, o dicionário de inteligência artificial ajuda.

Um exemplo real: os modelos destilados do DeepSeek

O caso mais didático é o do DeepSeek-R1. Segundo a página oficial do modelo no Hugging Face, a empresa publicou seis versões destiladas, de 1,5 bilhão a 70 bilhões de parâmetros. Elas partem de modelos abertos de outras empresas, Qwen2.5 e Llama, e foram ajustadas com exemplos gerados pelo próprio R1.

Repare no detalhe da licença: a página diz que os pesos estão sob licença MIT, que permite uso comercial e inclusive destilação. Ou seja, aqui a técnica foi usada às claras, com autorização. Modelos pequenos assim são os que conseguem rodar em computadores comuns, tema do guia sobre IA de código aberto.

Por que a destilação virou briga

O problema começa quando o professor não autorizou. Qualquer pessoa com acesso a um chatbot pode mandar milhares de perguntas, guardar as respostas e usá-las para treinar outro modelo. O site The Next Web resume assim: a prática ajuda um modelo menor a reproduzir capacidades avançadas a um custo muito menor, e OpenAI, Anthropic e Google argumentam que ela permite copiar sem investimento comparável.

Em outubro de 2026, a mesma publicação repercutiu reportagem do The Information segundo a qual DeepSeek e Moonshot teriam usado muito o GPT-6 Astra para treinar modelos recentes, informação que o veículo diz não ter confirmado de forma independente. Antes disso, a OpenAI afirmou ter derrubado uma campanha coordenada ligada à Moonshot, com mais de 15 mil usuários, e a Anthropic disse que novas proteções cortaram de 90% a 99% os dados coletados em ataques desse tipo. O Portal da AI cobriu os dois episódios nas notícias sobre DeepSeek, Moonshot e o GPT-6 Astra e sobre a extração do raciocínio do ChatGPT.

O que muda para quem usa IA

Para o usuário comum, a destilação explica por que existem modelos rápidos e baratos que respondem quase tão bem quanto os grandes. Essa é uma das técnicas usadas para criar versões compactas, ao lado de outras. Quando você escolhe um modelo "mini", "flash" ou "lite", está trocando um pouco de qualidade por velocidade e custo, como mostra o guia de modelo pequeno ou grande de IA.

Um exemplo com números

Cenário ilustrativo: uma loja online em Belo Horizonte usa IA para responder 3 mil perguntas por mês sobre prazo de entrega e troca. Se um modelo grande custasse, em valores hipotéticos, R$ 0,10 por resposta e um pequeno R$ 0,01, a conta mensal cairia de R$ 300 para R$ 30. Para perguntas repetitivas e simples, o pequeno costuma bastar. Para contratos ou cálculos, o grande compensa. O mesmo raciocínio aparece no guia sobre quando o modelo pequeno basta.

Outro efeito é no celular: modelos pequenos o suficiente rodam no próprio aparelho, sem internet, o que ajuda na privacidade. É o caso explicado em IA no celular sem internet.

Limites do modelo destilado

O aluno raramente supera o professor no geral. Ele tende a ir bem nas tarefas em que foi treinado e pior fora delas. Também herda os defeitos do professor: se o grande inventa um fato com confiança, o pequeno pode aprender a inventar do mesmo jeito. Por isso, a checagem continua valendo, como ensina o guia de alucinação de IA.

• Desconfie de modelo pequeno que diz ser "igual" a um grande em tudo; olhe testes em tarefas parecidas com a sua.
• Rankings ajudam, mas medem tarefas específicas; veja como ler rankings e benchmarks.
• Em tarefas longas, o pequeno pode perder o fio da meada antes; entenda a janela de contexto.
• Para problemas difíceis, um modelo maior com modo de raciocínio ligado costuma acertar mais; veja quando ligar o Pensar.

Erros comuns sobre destilação

O primeiro erro é achar que destilar é copiar os "arquivos" do outro modelo. Não é: o aluno nunca vê os pesos do professor, só as respostas. Por isso a disputa é sobre uso das respostas e termos de serviço, não sobre invasão de servidor. O segundo é pensar que todo modelo barato é cópia; muitos são destilados pela própria empresa, de propósito.

O terceiro erro é achar que o tema não afeta quem só usa. Afeta: a briga explica por que algumas empresas escondem o raciocínio detalhado dos modelos e limitam o volume de perguntas automáticas. O quarto é confundir destilação com ajuste fino comum. No ajuste fino, o modelo aprende com exemplos escritos por pessoas ou coletados de fontes; na destilação, os exemplos vêm de outro modelo.

Para levar desta leitura

Destilação é um professor grande ensinando um aluno pequeno, e ela está por trás de boa parte das IAs rápidas que você usa. É legítima quando a empresa destila o próprio modelo ou quando a licença permite, e vira conflito quando alguém treina um rival com as respostas de outro sem autorização. Na próxima vez que escolher entre um modelo grande e um compacto, lembre da troca: velocidade e custo de um lado, qualidade em tarefas difíceis do outro. Para entender a família de termos por trás disso, siga para IA, machine learning e deep learning.